基于网页结构聚类的Web信息提取技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-12页 |
| ·研究意义 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·本文结构安排 | 第11-12页 |
| 第2章 Web信息提取综述 | 第12-19页 |
| ·WEB信息提取概念 | 第12-13页 |
| ·目前WEB信息提取方法 | 第13-17页 |
| ·基于HTML结构的信息提取 | 第14-15页 |
| ·基于自然语言理解的信息提取 | 第15-17页 |
| ·基于本体(Ontology)的信息提取 | 第17页 |
| ·WEB信息提取评价指标 | 第17-18页 |
| ·WEB信息提取存在的问题 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第3章 网页结构相似度研究与网页聚类原理 | 第19-32页 |
| ·网页DOM树 | 第19-20页 |
| ·网页结构相似度 | 第20-27页 |
| ·树编辑距离 | 第20-22页 |
| ·树路径匹配 | 第22-24页 |
| ·改进的树路径 | 第24-25页 |
| ·相似度算法比较 | 第25-27页 |
| ·网页聚类 | 第27-31页 |
| ·聚类的概念 | 第27-28页 |
| ·层次聚类简介 | 第28-30页 |
| ·网页层次聚类 | 第30页 |
| ·聚类结果评估 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 Web信息提取 | 第32-46页 |
| ·总体设计 | 第32-33页 |
| ·网络爬虫 | 第33-35页 |
| ·网页预处理 | 第35-39页 |
| ·网页清洗 | 第36-37页 |
| ·DOM解析 | 第37页 |
| ·网页结构图形显示 | 第37-39页 |
| ·规则学习 | 第39-42页 |
| ·模板网页选择 | 第40页 |
| ·XSLT | 第40-41页 |
| ·规则生成 | 第41-42页 |
| ·信息提取 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 原型系统实现及评价 | 第46-54页 |
| ·系统实现 | 第46-50页 |
| ·网页下载模块 | 第46-48页 |
| ·规则生成模块 | 第48-49页 |
| ·信息提取模块 | 第49-50页 |
| ·系统评价 | 第50-53页 |
| ·聚类结果评价 | 第50-51页 |
| ·信息提取结果评价 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第60页 |
